[發明專利]一種基于混沌檢測的行星齒輪箱早期微弱故障診斷方法

有效

• 申請號: 202210358859.4
• 申請日: 2022-04-07
• 公開（公告）號: CN114894468B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 李宏坤;曹順心;陳鈞;張孔亮;楊晨
• 申請（專利權）人: 大連理工大學
• 主分類號: G01M13/021
• 分類號: G01M13/021;G01M13/028
• 代理公司: 遼寧鴻文知識產權代理有限公司 21102
• 代理人: 隋秀文

本發明公開了一種基于混沌檢測的行星齒輪箱早期微弱故障診斷方法，包括AO?VMD算法和雙耦合Duffing振子正反向檢測方法，AO?VMD基于余弦相似度加權峭度自適應搜尋最佳懲罰因子和模態數；基于灰色關聯度選擇AO?VMD分解后的最佳模態分量；將最佳分量輸入雙耦合Duffing方程中進行逆向檢測，判斷行星齒輪箱是否故障；將最佳分量經Hilbert變換和標準化處理后輸入雙耦合Duffing方程中進行正向檢測，確定故障齒輪；依據基于標準差加權平均歐式距離進行Duffing振子相態轉變的判斷，以輔助準確診斷行星齒輪箱早期微弱故障。本發明能夠準確診斷出行星齒輪箱早期微弱故障。

技術領域

本發明屬于旋轉機械故障診斷技術領域，具體地說是一種基于混沌檢測的行星齒輪箱早期微弱故障診斷方法。

背景技術

行星齒輪箱具有大傳動比、傳動穩定性好、負載大等優點，廣泛應用于煉鋼機械、港口起重機械、風力發電機、船舶、重型卡車等領域，對于服役于港口機械的行星齒輪箱，由于其長期運行在低速重載極端工況，齒輪容易發生齒面剝落、齒根裂紋等故障，嚴重時將出現斷齒、缺齒故障。齒輪箱發生故障會造成整個裝備的動力傳輸系統受損，降低了裝備的生產效率，嚴重時還會造成安全事故。因此，對行星齒輪箱的早期微弱故障特征進行診斷識別，指導行星齒輪箱進行科學維護，對于提高機械設備的使用壽命、避免災難性事故的發生有重要意義。

行星齒輪箱發生局部早期故障時(如齒面剝落、齒根裂紋等故障)，尤其是在低速運行工況下，其故障特征較為微弱，且由于環境噪聲強度大，齒輪故障特征會被噪聲淹沒，難以診斷齒輪故障；同時，進行信號采集時是通過箱體表面進行獲取振動數據的，由于傳遞路徑復雜，使得故障特征更為微弱，傳統的時域和頻域分析方法無法提取微弱故障特征。因此，需要對原始振動信號進行降噪處理以實現齒輪故障的診斷識別。經驗模態分解(EMD)通過對信號中不同尺度的波動或趨勢的逐級分解，產生一系列具有不同特征尺度的本征模態函數(IMF)，該方法無需根據先驗知識構造任何基函數，對信號變化具有自適應能力，在軸承齒輪故障診斷中取得了不錯的效果。但由于EMD分解存在過包絡、欠包絡、端點效應和模態混疊等缺點，限制了其在故障診斷領域中的進一步應用；局部均值分解(Local meandecomposition,LMD)方法，依據信號本身的特征對信號的自適應分解能力，產生具有真實物理意義的乘積函數(PF)分量，并由此得到能夠清晰準確反映出信號能量在空間各尺度上分布規律的時頻分布，有利于更加細致的對信號特征進行分析。該方法雖然克服了EMD中包絡、欠包絡的問題，具有端點效應不明顯、迭代次數少等優點，但沒有解決EMD的模態混疊問題。變分模態分解(VMD)方法是一種完全非遞歸的信號分解方法，能夠自適應地將復雜信號分解為多個本征模態函數。VMD很好的克服了EMD所存在的模態混疊等缺點，成功應用于軸承、齒輪故障的診斷研究中，有效提取出了故障特征。但是，VMD方法需要人為提前設定最佳參數組合，然而在齒輪箱實際服役過程中的故障信號復雜多變，因而難以人為設定最佳VMD參數，限制了其在工程實際中的應用；

由于早期齒輪故障特征較為微弱且環境噪聲強，單純使用VMD方法對于提取故障特征并不理想。混沌檢測方法由于具有對噪聲免疫性強的優點，對強噪聲背景下的微弱信號識別具有極大的優越性；然而對于將混沌檢測方法應用于齒輪故障特征的檢測鮮有研究，主要原因是齒輪發生故障時，故障頻率、各部件轉頻會對嚙合頻率產生調制，在嚙合頻率的兩側形成豐富的邊頻帶，傳統的用于檢測單一信號的正向檢測方法無法檢測；

此外，混沌檢測方法原理是根據混沌系統在輸入檢測信號前后運動狀態的轉變進行目標信號的識別,而如何準確判斷混沌振子狀態的轉變是混沌檢測方法識別故障準確性的保障。傳統的判別方法如時間歷程法、相軌道圖法、頻閃法、Poincare截面法、功率譜圖法等，存在受人員主觀性因素影響難以保證判斷的準確性；定量判別方法，如通過計算混沌運動的某個特征量，如Lyapunov指數、Melnikov方法、熵等，雖然能夠準確判定相態軌跡，但是計算復雜，嚴重限制了其在工程中的應用。

發明內容